基于Shearlet的低剂量CT图像量子噪声消除算法

低剂量CT(LDCT)扫描是减少人群中X射线辐射的一种潜在方法。 有必要提高低剂量CT图像的质量。 在本文中,我们提出了一种有效的算法,用于利用剪切波变换去除LDCT图像中的量子噪声。 因为可以通过泊松过程来模拟量子噪声,所以我们首先使用安斯科姆方差稳定变换(VST)对量子噪声进行变换,从而产生具有单位方差的近似高斯噪声。 其次,通过在小波域中的自适应硬阈值处理获得无噪声的小波系数。 第三,我们使用逆剪切波变换来重建去噪图像。 最后,将anscombe逆变换应用于降噪后的图像,从而可以产生改进的图像。 主要贡献是将anscombe VST与Slicelet变换相结合。 通过这种方式,可以有效地将边缘系数和噪声系数与高频子带分离。 使用所提出的方法对一些LDCT图像进行了许多实验。 定量和视觉结果均表明,该方法可以有效地减少量子噪声,同时增强细微的细节。 在临床应用中具有一定的价值。